Omitir e ir al contenidoIr a la página de accesibilidadMenú de atajos de teclado
Logo de OpenStax
Introducción a la estadística

1.4 Diseño experimental y ética

Introducción a la estadística1.4 Diseño experimental y ética

¿La aspirina reduce el riesgo de infarto? ¿Una marca de abono es más eficaz para el cultivo de rosas que otra? ¿El cansancio es tan peligroso para un conductor como la influencia del alcohol? Este tipo de preguntas se responden con experimentos aleatorios. En este módulo aprenderá aspectos importantes del diseño experimental. Un diseño adecuado del estudio garantiza la obtención de datos fiables y precisos.

El propósito de un experimento es investigar la relación entre dos variables. Cuando una variable provoca un cambio en otra, llamamos a la primera variable la variable explicativa. La variable afectada se denomina variable de respuesta. En un experimento aleatorio, el investigador manipula los valores de la variable explicativa y mide los cambios resultantes en la variable de respuesta. Los diferentes valores de la variable explicativa se denominan tratamientos. Una unidad experimental es un único objeto o persona que se va a medir.

Quiere investigar la eficacia de la vitamina E en la prevención de enfermedades. Usted recluta a un grupo de sujetos y les pregunta si toman regularmente vitamina E. Observa que los sujetos que toman vitamina E, en promedio, presentan una salud mejor que quienes no la toman. ¿Esto prueba que la vitamina E es eficaz en la prevención de enfermedades? No es así. Hay muchas diferencias entre los dos grupos comparados, además del consumo de vitamina E. Las personas que toman vitamina E con regularidad suelen tomar otras medidas para mejorar su salud: ejercicio, dieta, otros suplementos vitamínicos, elección de no fumar, etc. Cualquiera de estos factores podría estar influyendo en la salud. Como se ha descrito, este estudio no demuestra que la vitamina E sea la clave para la prevención de enfermedades.

Las variables adicionales que pueden enturbiar un estudio se denominan variables ocultas. Para demostrar que la variable explicativa provoca un cambio en la variable de respuesta, es necesario aislar la variable explicativa. La investigadora debe diseñar su experimento de forma que solo haya una diferencia entre los grupos que se comparan: los tratamientos previstos. Esto se consigue mediante la asignación aleatoria de unidades experimentales a grupos de tratamiento. Cuando los sujetos se asignan a los tratamientos de forma aleatoria, todas las variables ocultas potenciales se reparten por igual entre los grupos. En este punto, la única diferencia entre los grupos es la impuesta por el investigador. Los diferentes resultados medidos en la variable de respuesta, por tanto, deben ser una consecuencia directa de los diferentes tratamientos. De este modo, un experimento puede demostrar una conexión causa-efecto entre las variables explicativas y las de respuesta.

El poder de la sugestión puede tener una importante influencia en el resultado de un experimento. Los estudios han demostrado que la expectativa del participante en el estudio puede ser tan importante como el medicamento real. En un estudio sobre fármacos que mejoran el desempeño, los investigadores señalaron:

Los resultados mostraron que creer que se había tomado la sustancia provocaba tiempos de [desempeño] casi tan rápidos como los asociados al consumo del propio fármaco. Por el contrario, la toma del fármaco sin conocimiento no produjo un aumento significativo del desempeño.1

Cuando la participación en un estudio provoca una respuesta física del participante, es difícil aislar los efectos de la variable explicativa. Para contrarrestar el poder de la sugestión, los investigadores reservaron un grupo de tratamiento como grupo de control. Este grupo recibe un tratamiento placebo, es decir, un tratamiento que no puede influir en la variable de respuesta. El grupo de control ayuda a los investigadores a equilibrar los efectos de estar en un experimento con los efectos de los tratamientos activos. Por supuesto, si usted participa en un estudio y sabe que está recibiendo una píldora que no contiene ningún medicamento real, entonces el poder de la sugestión ya no es un factor. Que un experimento aleatorio sea ciego preserva el poder de la sugestión. Cuando una persona participa en un estudio de investigación ciego, no sabe quién recibe el tratamiento activo y quién el placebo. Un experimento doble ciego es aquel en el que tanto los sujetos como los investigadores que participan en él no conocen la información del fármaco.

Ejemplo 1.19

Translation missing: es.problem

Los investigadores quieren investigar si tomar aspirina con regularidad reduce el riesgo de infarto. Se reclutan como participantes 400 hombres de entre 50 y 84 años. Los hombres se dividen aleatoriamente en dos grupos: un grupo tomará aspirina y el otro un placebo. Cada hombre toma una píldora al día durante tres años, pero no sabe si está tomando aspirina o el placebo. Al final del estudio, los investigadores cuentan el número de hombres de cada grupo que han sufrido infartos.

Identifique los siguientes valores para este estudio: población, muestra, unidades experimentales, variable explicativa, variable de respuesta y tratamientos.

Ejemplo 1.20

Translation missing: es.problem

La Fundación para el Tratamiento y la Investigación del Olfato y el Gusto realizó un estudio para investigar si el olor puede afectar el aprendizaje. Los sujetos completaron laberintos varias veces con máscaras puestas. Completaron los laberintos de lápiz y papel tres veces con máscaras con aroma floral y tres veces con máscaras sin aroma. Los participantes se asignaron al azar a ponerse la máscara floral durante los tres primeros ensayos o durante los tres últimos. En cada ensayo, los investigadores registraron el tiempo que se tardaban en completar el laberinto y la impresión de los sujetos sobre el olor de la máscara: positivo, negativo o neutro.

  1. Describa las variables explicativas y de respuesta de este estudio.
  2. ¿Cuáles son los tratamientos?
  3. Identifique cualquier variable oculta que pueda interferir en este estudio.
  4. ¿Es posible que este estudio se haga ciego?

Ejemplo 1.21

Translation missing: es.problem

Un investigador quiere estudiar los efectos del orden de nacimiento en la personalidad. Explique por qué este estudio no pudo realizarse como un experimento aleatorio. ¿Cuál es el principal problema de un estudio que no puede ser diseñado como un experimento aleatorio?

Inténtelo 1.21

Le preocupan los efectos del envío de mensajes de texto en el rendimiento de la conducción. Diseñe un estudio para comprobar el tiempo de respuesta de los conductores mientras envían mensajes de texto y mientras conducen solamente ¿Cuántos segundos tarda un conductor en reaccionar cuando el automóvil que va delante pisa el freno?

  1. Describa las variables explicativas y de respuesta del estudio.
  2. ¿Cuáles son los tratamientos?
  3. ¿Qué hay que tener en cuenta a la hora de seleccionar a los participantes?
  4. Su socio de investigación quiere dividir a los participantes al azar en dos grupos: uno que conduzca sin distracciones y otro que envíe mensajes de texto y conduzca simultáneamente. ¿Es una buena idea? ¿Por qué sí o por qué no?
  5. Identifique cualquier variable oculta que pueda interferir en este estudio.
  6. ¿Cómo se puede utilizar el experimento ciego en este estudio?

Ética

El mal uso y la tergiversación generalizados de la información estadística suelen dar mala fama a este campo. Algunos dicen que "los números no mienten", pero las personas que utilizan los números para apoyar sus afirmaciones a menudo lo hacen.

Una reciente investigación sobre el famoso psicólogo social Diederik Stapel ha llevado a la retractación de sus artículos en algunas de las principales revistas del mundo, como Journal of Experimental Social Psychology, Social Psychology, Basic and Applied Social Psychology, British Journal of Social Psychology y la revista Science. Diederik Stapel es un antiguo profesor de la Universidad de Tilburg (Países Bajos). En los últimos dos años, una amplia investigación en la que han participado tres universidades en las que ha trabajado Stapel ha concluido que el psicólogo es culpable de un fraude a escala colosal. Los datos falsificados contaminaron más de 55 artículos de su autoría y 10 tesis doctorales que supervisó.

Stapel no negó que su engaño estuviera motivado por la ambición. Pero me dijo que era más complicado que eso. Insistió en que le encantaba la psicología social, pero que se sentía frustrado por el desorden de los datos experimentales, que rara vez conducían a conclusiones claras. Su obsesión de toda la vida por la elegancia y el orden, según él, le llevó a inventar resultados sexys que las revistas encontraban atractivos. "Era una búsqueda de la estética, de la belleza, en lugar de la verdad", dijo. Describió su comportamiento como una adicción que le llevaba a realizar actos de fraude cada vez más atrevidos, como un drogadicto que busca un estímulo mayor y mejor.2

La comisión que investiga a Stapel concluyó que es culpable de varias prácticas, entre ellas

  • crear conjuntos de datos, que confirmaron en gran medida las expectativas previas,
  • alterar los datos de los conjuntos de datos existentes,
  • cambiar los instrumentos de medición sin informar del cambio, y
  • tergiversar el número de sujetos experimentales.

Está claro que nunca es aceptable falsear los datos de la forma en que lo hizo este investigador. Sin embargo, a veces las violaciones de la ética no son tan fáciles de detectar.

Los investigadores tienen la responsabilidad de verificar que se siguen los métodos adecuados. El informe que describe la investigación del fraude de Stapel afirma que "los fallos estadísticos revelaron con frecuencia una falta de familiaridad con las estadísticas elementales”.3 Muchos de los coautores de Stapel deberían haber detectado irregularidades en sus datos. Desgraciadamente, no sabían mucho de análisis estadístico y se limitaban a confiar en que recopilaba y comunicaba los datos correctamente.

Muchos tipos de fraude estadístico son difíciles de detectar. Algunos investigadores simplemente dejan de recopilar datos una vez que tienen los suficientes para demostrar lo que esperaban comprobar. No quieren arriesgarse a que un estudio más extenso les complique la vida produciendo datos que contradigan su hipótesis.

Las organizaciones profesionales, como la American Statistical Association, definen claramente las expectativas de los investigadores. Incluso hay leyes en el código federal sobre el uso de datos de investigación.

Cuando un estudio estadístico utiliza participantes humanos, como en los estudios médicos, tanto la ética como la ley dictan que los investigadores deben tener en cuenta la seguridad de sus sujetos de investigación. El Departamento de Salud y Servicios Humanos de EE. UU. supervisa la normativa federal de los estudios de investigación con el objetivo de proteger a los participantes. Cuando una universidad u otra institución de investigación se dedica a la investigación, debe garantizar la seguridad de todos los sujetos humanos. Por esta razón, las instituciones de investigación establecen comités de supervisión conocidos como Juntas de Revisión Institucional (Institutional Review Boards, IRB). Todos los estudios previstos deben ser aprobados previamente por la IRB. Entre las principales protecciones que impone la ley se encuentran las siguientes:

  • Los riesgos para los afiliados deben ser mínimos y razonables con respecto a los beneficios previstos.
  • Los participantes deben dar su consentimiento informado. Esto significa que los riesgos de la participación deben explicarse claramente a los sujetos del estudio. Los sujetos deben dar su consentimiento por escrito y los investigadores están obligados a conservar la documentación de su consentimiento.
  • Los datos recogidos de las personas deben ser custodiados cuidadosamente para proteger su privacidad.

Estas ideas pueden parecer fundamentales, pero pueden ser muy difíciles de verificar en la práctica. ¿Es suficiente eliminar el nombre de un participante del registro de datos para proteger la privacidad? Tal vez se pueda descubrir la identidad de la persona a partir de los datos que quedan. ¿Qué ocurre si el estudio no se desarrolla como estaba previsto y surgen riesgos que no se habían considerado? ¿Cuándo es realmente necesario el consentimiento informado? Supongamos que su médico quiere una muestra de sangre para comprobar su nivel de colesterol. Una vez analizada la muestra, espera que el laboratorio se deshaga de la sangre restante. En ese momento la sangre se convierte en un residuo biológico. ¿Tiene un investigador derecho a tomarla para utilizarla en un estudio?

Es importante que los estudiantes de Estadística dediquen tiempo a considerar las cuestiones éticas que surgen en los estudios estadísticos. ¿Cuál es la prevalencia del fraude en los estudios estadísticos? Puede que se sorprenda y se decepcione. Existe un sitio web dedicado a catalogar las retractaciones de artículos de estudios que se han demostrado fraudulentos. Un rápido vistazo mostrará que el mal uso de las estadísticas es un problema más grande de lo que la mayoría de la gente cree.

La vigilancia contra el fraude requiere conocimientos. El aprendizaje de la teoría básica de la estadística le capacitará para analizar críticamente los estudios estadísticos.

Ejemplo 1.22

Translation missing: es.problem

Describa el comportamiento poco ético en cada ejemplo y cómo podría afectar la fiabilidad de los datos resultantes. Explique cómo se debe corregir el problema.

Una investigadora está recopilando datos en una comunidad.

  1. Elige una cuadra en la que se siente cómoda caminando porque conoce a muchas de las personas que viven en la calle.
  2. Parece que no hay nadie en las cuatro casas de su ruta. No anota las direcciones y no vuelve más tarde para intentar encontrar a los residentes en sus casas.
  3. Se salta cuatro casas de su ruta porque llega tarde a una cita. Cuando llega a casa, rellena los formularios seleccionando respuestas al azar de otros residentes del vecindario.

Inténtelo 1.22

Describa el comportamiento poco ético, si lo hay, en cada ejemplo y describa cómo podría afectar a la fiabilidad de los datos resultantes. Explique cómo se debe corregir el problema.

Se encarga un estudio para determinar la marca favorita de jugo de frutas entre los adolescentes de California.

  1. La encuesta ha sido encargada por el vendedor de una popular marca de jugo de manzana.
  2. Solo hay dos tipos de jugo incluidos en el estudio: el de manzana y el de arándanos.
  3. Los investigadores permiten a los participantes ver la marca del jugo mientras se vierten las muestras para una prueba de sabor.
  4. El 25 % de los participantes prefiere la marca X, el 33 % prefiere la marca Y y el 42 % no tiene preferencia entre las dos marcas. La marca X hace referencia al estudio en un anuncio que dice “a la mayoría de los adolescentes les gusta la marca X tanto o más que la marca Y”.

Notas a pie de página

  • 1McClung, M. Collins, D. “Because I know it will!”: placebo effects of an ergogenic aid on athletic performance. Journal of Sport & Exercise Psychology. Junio de 2007. 29(3):382-94. Web. 30 de abril de 2013.
  • 2 Yudhijit Bhattacharjee, "The Mind of a Con Man", Magazine, New York Times, 26 de abril de 2013. Disponible en línea en: http://www.nytimes.com/2013/04/28/magazine/diederik-stapels-audacious-academic-fraud.html?src=dayp&_r=2 (consultado el 1.º de mayo de 2013).
  • 3“Flawed Science: The Fraudulent Research Practices of Social Psychologist Diederik Stapel", Universidad de Tillburg, 28 de noviembre de 2012, http://www.tilburguniversity.edu/upload/064a10cd-bce5-4385-b9ff-05b840caeae6_120695_Rapp_nov_2012_UK_web.pdf (consultado el 1 de mayo de 2013).
Solicitar una copia impresa

As an Amazon Associate we earn from qualifying purchases.

Cita/Atribución

Este libro no puede ser utilizado en la formación de grandes modelos de lenguaje ni incorporado de otra manera en grandes modelos de lenguaje u ofertas de IA generativa sin el permiso de OpenStax.

¿Desea citar, compartir o modificar este libro? Este libro utiliza la Creative Commons Attribution License y debe atribuir a OpenStax.

Información de atribución
  • Si redistribuye todo o parte de este libro en formato impreso, debe incluir en cada página física la siguiente atribución:
    Acceso gratis en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica/pages/1-introduccion
  • Si redistribuye todo o parte de este libro en formato digital, debe incluir en cada vista de la página digital la siguiente atribución:
    Acceso gratuito en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica/pages/1-introduccion
Información sobre citas

© 28 ene. 2022 OpenStax. El contenido de los libros de texto que produce OpenStax tiene una licencia de Creative Commons Attribution License . El nombre de OpenStax, el logotipo de OpenStax, las portadas de libros de OpenStax, el nombre de OpenStax CNX y el logotipo de OpenStax CNX no están sujetos a la licencia de Creative Commons y no se pueden reproducir sin el previo y expreso consentimiento por escrito de Rice University.